Pandas 2.2.3+中分类列值替换后类型转换的简洁方法咨询

问题场景 #

原代码用于将DataFrame的分类列值替换为数值，但在Pandas 2.2.3+版本中会抛出FutureWarning：

原代码：

import pandas as pd
df = pd.DataFrame(pd.Categorical(['a','b','b'],['a','b']), columns=['x'])
df.loc[:,'x'] = df['x'].replace({'a':1, 'b':2})

警告信息：

/tmp/ipykernel_1721527/1018712932.py:4: FutureWarning: Setting an item of incompatible dtype is deprecated and will raise in a future error of pandas. Value '[1, 2, 2]
Categories (2, object): [1, 2]' has dtype incompatible with category, please explicitly cast to a compatible dtype first.
df.loc[:,'x'] = df['x'].replace({'a':1, 'b':2})

用户原有的冗长解决方案：

ncol = df['x'].replace({'a':1, 'b':2}).astype('float')
df['x'] = None
df = df.astype({'x':'float'})
df.loc[:,'x'] = ncol

简洁实现方式 #

以下几种方法可以更高效地完成转换，同时消除警告：

• 直接替换后转换 dtype 赋值
  一步完成替换、类型转换和列赋值，Pandas会自动调整列的 dtype：

  df['x'] = df['x'].replace({'a':1, 'b':2}).astype('float')
  

  如果需要整数类型，将'float'改为'int'即可。

• 利用分类列的cat.codes属性（适用于分类与数值有顺序对应场景）
  若分类顺序['a','b']正好对应目标数值1、2，可直接通过分类编码加1实现，效率更高：

  df['x'] = df['x'].cat.codes + 1
  

内容的提问来源于stack exchange，提问作者velochy